Détection d'ondes gravitationnelles basse fréquence

Detecting low frequency gravitational waves : with the international pulsar timing array telescopes

• Auteur / Autrice : Mikel Falxa
• Direction : Stanislav Babak
• Type : Thèse de doctorat
• Discipline(s) : Physique de l'univers
• Date : Soutenance le 16/12/2022
• Etablissement(s) : Université Paris Cité
• Ecole(s) doctorale(s) : École doctorale Sciences de la terre et de l'environnement et physique de l'univers (Paris ; 2014-....)
• Partenaire(s) de recherche : Laboratoire : AstroParticule et Cosmologie (Paris ; 2005-....)
• Jury : Président / Présidente : Eric Chassande-Mottin
• Jury : Examinateurs / Examinatrices : Eric Chassande-Mottin, Sarah J. Vigeland, Joris Verbiest, Caterina Tiburzi, Alberto Sesana
• Jury : Rapporteurs / Rapporteuses : Sarah J. Vigeland, Joris Verbiest

Mots clés

Mots clés contrôlés

Pulsars

Analyse des données

Trous noirs (astronomie)

Ondes gravitationnelles

Mots clés libres

Onde gravitationnelle

Pulsar

Trou noir

Analyse de donnée

Gravitational wave

Pulsar

Black hole

Data analysis

Résumé

Ce manuscript est centré sur la détection d'Ondes Gravitationnelles (OG) basse fréquence (nanohertz) en utilisant les données de chronométrage haute précision d'un réseau de pulsars milliseconde obtenues à l'aide de radiotéléscopes. Le premier chapitre donne un apercu du bagage théorique nécessaire pour comprendre l'origine des OGs. Après avoir présenté les bases de la Relativité Générale (RG), nous argumentons qu'un réseau de pulsars chronométrés (Pulsar Timing Array ou PTA) pourrait détecter des OGs générées par des systèmes de Trous Noirs Super Massifs Binaires (TNSMB) et nous dérivons une expression mathématique pour les résidus temporels qui seraient induits dans la donnée chronométrée. Lorsqu'un tel signal est stable et monochromatique, on le qualifie d'Onde Gravitationnelle Continue (OGC). Dans le second chapitre, nous présentons les méthodes d'analyse de donnée pour la détection d'OGs dans PTA. Nous expliquons brièvement l'inférence Bayesienne et nous détaillons comment les bruits intrinsèques aux pulsars peuvent être modélisés. Nous montrons que pour estimer la significativité statistique de nos modèles de signal et de bruits, nous calculons le Facteur de Bayes (FB) en utilisant des hypermodèles et des méthodes de Monte-Carlo par chaînes de Markov (MCMC). Dans le chapite trois, nous discutons des résultats obtenus avec le second ensemble de données de la collaboration PTA internationale (IPTA DR2) qui combine les données de : l'observatoire d'OG nanohertz d'Amérique du Nord (NANOGrav), le PTA Européen (EPTA) et le Parkes PTA (PPTA) en Australie. Nous avons cherché des OGC mais n'avons trouvé aucune preuve de leur présence dans la donnée. Nous avons établi une limite haute pour l'amplitude des OGCs et avons trouvé que IPTA DR2 donne la meilleure sensibilité à ce jour pour des signaux dont la fréquence est plus haute que 11 nHz. Il a été découvert il y a peu qu'un bruit en basse fréquence et commun à tous les pulsars était présent dans la donnée. L'inclusion de ce dernier dans le modèle détériore la sensibilité aux OGCs du réseau. De plus, nous montrons qu'une mauvaise modélisation des bruits intrisèques aux pulsars peut mener à une fausse détection. Le dernier chapitre présente une nouvelle méthode basée sur les Estimations par Noyaux (Kernel Density Estimation ou KDE) qui a été développée durant mon doctorat pour optimiser les techniques d'analyse de donnée pour la recherche d'OGs. Cette méthode est utilisée avec MCMC pour améliorer son temps effectif d'échantillonage. Elle a été testée avec IPTA DR2 pour la recherche d'OGCs puis avec Sangria, une donnée simulée du futur projet LISA, pour la recherche de Binaires Galactiques (BG). Nous démontrons que la méthode est efficace pour IPTA DR2 mais est moins performante avec LISA.

This manuscript focuses on the detection of low frequency (nanohertz) Gravitational Waves (GW) using high precision timing observations of millisecond pulsars collected with radio telescopes. The first chapter gives an overview of the theoretical background necessary to understand the origins of GWs. After presenting the basics of General Relativity, we argue that a Pulsar Timing Array (PTA) could detect GWs generated by Super Massive Black Hole Binaries (SMBHBs) and derive a mathematical expression for the expected timing residuals induced in the pulsar timing data. When such a signal is stable and monochromatic, we call it a Continuous Gravitational Wave (CGW). In the second chapter, we present data analysis methods for the detection of GW signals in PTA. We briefly explain Bayesian inference and detail how the noises intrinsic to pulsars can be modeled. We show that to assess the significance of our noise and signal models, we compute the Bayes Factor (BF) using hypermodels and Markov Chain Monte-Carlo (MCMC). In chapter three, we discuss the results obtained with the international PTA second data release (IPTA DR2) combining data from : the North American Nanohertz Observatory for Gravitational Waves (NANOGrav), the European Pulsar Timing Array (EPTA) and the Parkes Pulsar Timing Array (PPTA). We have searched for CGW signals and found no evidence of their presence in the data. We have set an upper limit on the amplitude of CGW and found that IPTA DR2 gives the best sensitivity to date for signals with frequencies above 11 nHz. It has been recently discovered that a low frequency noise common to all pulsars was present in the data. The inclusion of the latter in the model deteriorates the sensitivity of the array to CGW. Moreover, we show that a bad modeling of the intrinsic noise properties of pulsars can lead to false detection. The last chapter presents a new method based on Kernel Density Estimation (KDE) that was developed during my PhD to optimize the data analysis pipelines for GW search. The method is used with MCMC to improve the effective sampling time. It was tested with IPTA DR2 for CGW search and the simulated Laser Interferometer Space Antenna (LISA) dataset ''Sangria'' for Galactic Binaries (GBs) search. We show that the method is efficient for IPTA DR2 but is less performing with LISA.